Faster-RCNN电力输送塔检测算法

被引：4

作者：

严星 ^{[1
]}

尤洪峰 ^{[2
]}

机构：

[1] 新疆财经大学计算机科学与工程学院

[2] 新疆大学信息科学与工程学院

来源：

计算机仿真 | 2020年 / 37卷 / 02期

关键词：

局部旋转; 参考白算法; 区域生成网络; 超参数自适应;

D O I：

暂无

中图分类号：

TP391.41 []; TM75 [线路及杆塔];

学科分类号：

080203 ; 080802 ;

摘要：

提出了一种基于Faster-RCNN改进的目标检测算法。利用局部旋转和基于参考白算法,对多角度拍摄的无人机遥感影像进行预处理,以减少图片噪声和修改图片光照、色彩偏差;借助图像特征标注法,进一步加强图像中待检测物体关键性特征的利用率。最后,通过区域生成网络(RPN)的最小尺寸自适应和非极大值抑制阈值适应修改能力,解决大型目标局部被当作完整目标检测的问题,实现目标物体的正确检测。结果表明,相对Faster-RCNN算法,检测精度上提高了7.64%。

引用

页码：135 / 139+298 +298

页数：6

共 7 条

[1] 基于滑动窗口的优化贝叶斯邮件过滤算法 [J].

兰亚 ;

吴渝 ;

王国胤 ;

董蓓 .

重庆邮电学院学报(自然科学版), 2006, (04) :528-531

[2]

随机森林及其在遥感影像处理中应用研究[D]. 雷震.上海交通大学. 2012

[3]

Efficient ConvNet Feature Extraction with Multiple RoI Pooling for Landmark-Based Visual Localization of Autonomous Vehicles[J] . Yi Hou,Hong Zhang,Shilin Zhou,Huanxin Zou,Paolo Bellavista.Mobile Information Systems . 2017

[4] Improving the construction of ORB through FPGA-based acceleration [J].

Roberto de Lima ;

Jose Martinez-Carranza ;

Alicia Morales-Reyes ;

Rene Cumplido .

Machine Vision and Applications, 2017, 28 :525-537

[5]

An Improved FAST+SURF Fast Matching Algorithm[J] . Aomei Li,Wanli Jiang,Weihua Yuan,Dehui Dai,Siyu Zhang,Zhe Wei.Procedia Computer Science . 2017

[6]

Comparison of different object-based classifications in LandsatTM images for the analysis of heterogeneous landscapes[J] . Aimara Reyes,Mercedes Solla,Henrique Lorenzo.Measurement . 2017

[7]

Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation .2 Girshick R,Donahue J,Darrell T,et al. Computer Vision and Pattern Recognition . 2014

← 1 →